摘要：贯彻落实中央和山东省关于全面推行林长制的重大决策部署,创新推进林草湿资源监测监管和林长制信息化建设,济南市开展林业生态(林长制)网络感知平台建设工作。平台以林草湿资源综合管理数据库为基础,以园林和林业绿化服务平台为支撑,实现林草湿生态综合监测、资源监督和智慧林长网格化管理,数字化赋能园林和林业绿化工作,统一规划、统一标准、统一制式、统一平台、统一管理,提升了全市资源保护力度和林长制工作效率,推动全市园林和林业绿化事业高质量发展。

摘要：随着遥感图像采集技术的迅速发展,传统的遥感图像处理方法已经不能满足当前实际的生产需要。近年来,深度学习模型的流行为遥感图像分类问题的解决提供了新的途径。因此,为了进一步提升遥感图像的分类精度,笔者提出了一种基于深度学习特征和支持向量机(support vector machine,SVM)的遥感图像分类模型。首先,针对深度学习模型需要海量训练数据的特点,运用旋转、剪裁等方法对原始的遥感图像进行数据扩增;然后,将扩增数据按照种类随机地分为训练集和验证集两部分测试集,并使用训练集和验证集训练改进的针对遥感图像分类问题的卷积神经网络(convolutional neural network,CNN)中的参数,进而在训练好的CNN模型上提取第一部分测试集的深度学习特征;最后,使用第一部分测试集的深度特征训练多分类SVM,并对第二部分测试集图像进行分类验证。实验采用NWPU-RESISC45公共数据集对本研究模型精度进行验证,与现有的遥感图像分类方法相比较,实验结果表明,提出模型的总体分类精度有明显提升,从而验证了方法的有效性和实用性。

摘要：受限于传统磁盘的I/O读写速度与网络的性能的影响,地图浏览的效率和可用性难以得到保障。根据林地落界数据的管理与应用特点结合Web端二三维一体化应用需求,从专题地图瓦片生产、组织、管理、服务等几个方面出发,设计实现一种基于面向服务的体系结构(service-oriented architecture,SOA)的多层次缓存瓦片地图数据服务方案。结果表明:通过瓦片缓存服务的层次化和横向负载均衡,在分散了磁盘IO压力的同时亦提高了服务的可用性;所构建的方案与原型系统有效地解决了林地"一张图"地图服务需求,为构建高性能的国家级林地"一张图"政务地图服务提供了有力的技术支撑。

摘要：基于L2范数度量的k平面聚类(k-Plane Clustering,k PC)设计思想,本文提出了一种采用L1范数度量的聚类算法。由于在平面更新步骤中,所导出的优化问题是非凸的,文中给出了一种求解方法,即将非凸问题转化为有限个子集上的凸问题,为避免求解多个优化问题导致训练时间过长问题,本文还设计了一种新的优选策略,有限个子集的搜索任务可在线性时间内完成。本文所提出的方法只需要求解k个线性规划,而不再是k PC的求解特征值问题。在人工和UCI数据集上的实验结果表明:基于L1范数平面聚类算法的训练和测试时间更短,且在大多数数据集上均表现出了更好的聚类性能。

摘要：利用嵌入式地理信息系统的基础开发模块,研究开发基于个人数字助理的森林资源二类调查数据采集系统。根据我国森林资源二类调查的特点和需求,利用ArcPad实现了对森林资源空间、属性数据采集、外业定位和导航等功能,从而达到了森林资源无纸外业调查的目标,提高外业调查精度、节省费用、提高效率。

摘要：以乔木林地上碳密度为研究对象,基于调查获取的乔木林地上碳密度、Landsat 8多光谱影像及DEM数据,提取植被指数、纹理特征、主成分变换因子、缨帽变换因子和地形因子作为建模变量,采用皮尔森相关系数法、结合平均残差平方和准则法对变量进行筛选,采用协同克里格插值和地理加权回归方法构建乔木林地上碳密度模型,分析对比两种方法的估算效果。结果表明:地理加权回归法构建的估算模型精度(R^2为0.74,RMSE为6.84 t/hm^2,MAE为5.13 t/hm^2,RE为0.74%)优于协同克里格插值法(R^2为0.47,RMSE为9.72 t/hm^2,MAE为7.41 t/hm^2,RE为0.12%),并且较好地保留了估算变量的空间异质性,变异系数分别为0.5372、0.4968,可获得较高的估算精度。本研究可为大尺度范围内的乔木林地上碳密度及其他森林参数的估算提供参考。

摘要：运用无人机的遥感影像来调查林地状态是一种有效的途径,为了进一步提升遥感图像质量的评价精度,笔者提出了一种基于卷积神经网络(convolutional neural network,CNN)的无人机遥感图像质量评价方法,主要包括图像采集与预处理、数据扩增、模型训练和测试4个阶段。首先对无人机采集到的遥感图像进行主观质量打分,分别获取同一区域不同阶段图像的质量分数;然后运用图像旋转和剪裁等方法对遥感图像进行数据扩增,将扩增后的图片和原始图片融合作为实验数据集;其次在Caffe深度学习框架中构建基于CNN深层特征的回归模型,并训练;最后,根据已建立好的深度回归模型和学习到的参数,预测无人机遥感图像的质量分数。结果表明,提出的方法可以取得较准确的评分效果,在保证客观打分的同时,能基本保持和人眼视觉的感受一致。

摘要：以L1范数为例,设计了一个L1范数的大间隔分类器L1MMC(L1-norm Maximum Margin Classifier),主要特点如下:(1)间隔由L1范数的点到平面距离解析表示;(2)该分类器与SVM一样,通过最大化L1间隔,达到同时最小化经验风险和结构风险的目的;(3)只需要通过线性规划进行求解,避免了SVM的二次规划问题;(4)分类精度达到甚至超过SVM.最后,在人工数据和国际标准UCI数据集上,验证了该方法的有效性.

摘要：针对全国林地资源数据多源、量大、管理手后段落后和利用低效的问题,该文对全国林地资源数据库的数据来源、数据采集方法、建库技术和数据库功能进行了论述,剖析了其成果数据的类型、特征、数量,构建了全国林地资源数据库,设计了数据库和平台集成的关键技术框架,开发实现了成果数据的预处理工具、数据服务平台和二三维应用显示等主要子系统,在全国林地资源信息服务平台建设中得到应用,实现和验证了该文所设计的关键技术的科学性和先进性,最后对数据服务平台应用模式和运维机制进行了探讨。

摘要：【目的】红松是我国重要的经济树种和生态树种,预测红松的潜在分布范围和分析影响其生长的重要环境因子很有必要。在现有的建模工具中,最大熵(MaxEnt)模型是应用最为广泛的模拟物种分布模型。在建模过程中,大多数研究人员常使用默认参数来进行计算,然而,最近研究表明,基于默认参数构建的模型结果并非最优,这些参数的设置仍有待讨论。【方法】利用红松分布数据和环境变量,在不同随机测试百分比下计算训练数据和测试数据的建模精度,用最适宜的比例模拟了红松的潜在分布。【结果】训练数据的AUC在不同百分比下的范围为0.890~0.898,而测试数据的AUC在不同百分比下的范围为0.854~0.884。当百分比为5%时,两组数据的准确率都比较准确。在此比例下,Bio12(年平均降水),Bio14(最干月降水量)和Bio15(降水量变异系数)对红松分布最为重要。【结论】研究结果表明在不同随机测试百分比下,模型的精度有所差异,默认值25%不是最合理的百分比,而在5%时训练数据和测试数据的结果更准确。降水和温度是影响红松潜在分布的气象要素,但是在东北地区,由于温度空间差异较小,影响红松潜在分布的主要为降水。红松主要分布范围在东北地区的东北和西南地区,特别是在辽宁省和吉林省交界处。研究的结果表明模型参数的设置对于模型的精度十分重要,调整参数可以更合理地反映物种对环境因素的反应,准确地模拟物种的潜在分布。